基于边缘计算的电力任务最优调度算法研究

针对云计算框架的传播延迟,无法满足电力系统对低延迟和可靠性的要求.在移动边缘计算框架的基础上,提出了一种用于电力任务调度的改进蚁群算法.在蚁群算法选择的最短路径的基础上添加了负载平衡能力,降低总体能耗和防止某个移动边缘云超载.通过仿真分析验证了该调度方法的优越性.结果表明,随着用户设备、边缘云、带宽和总计算资源数量的增加,文中调度方法在平均能耗和任务卸载数量方面均优于贪心算法和距离优先算法,具有一定的实用价值.     

基于移动边缘计算的低压配电网健康状态评价研究

针对低压配电网的多样化特点及数据不完备性,首先搭建了基于移动边缘计算的低压配电网健康状态评价系统,其架构主要包括三个层级：现场用户级、边缘云基础管理级和中心云高级管理级;随后通过目标层、状态层、指标层(一级)、子指标层(二级)四个层级的划分,建立了一个全面、系统的评价体系;最后通过AHP层次分析法,确定了电能质量与无功配置等关键指标的权重分配,并通过合成权重及排序,建立了综合评价体系。该研究为配电网健康状态评价提供了全新视角,为配电系统的稳定运行和未来发展提供了参考依据。     

基于优化蚁群算法的图像边缘检测改进算法

针对蚁群算法在图像边缘检测应用中出现的停滞、效率低等问题,提出了优化的改进方案。首先根据图像的灰度值确定启发式引导信息矩阵,在迭代运算中对信息激素强度和信息激素挥发度分别进行取值区间限制和自适应控制策略,搜索完成后采用Otsu阈值法检测出边缘。与传统算法相比,优化算法对搜索过程进行了适当的控制,提高了搜索的目的性,有效解决了停滞和收敛速度慢的缺陷。经测试,该算法能以更高的效率有效提取出边缘信息,同时保留了细节信息。     

电力物联网移动边缘计算任务卸载策略

由于云计算框架中的传播延迟无法满足电力物联网对低延迟和可靠性的要求,在移动边缘计算框架的基础上,提出一种基于电力物联网的云-边缘网络结构,并对业务响应时延进行建模。通过约束优化和改进遗传算法相结合求解优化模型,得出最优计算卸载策略。通过仿真进行对比分析,验证提出的移动边缘计算卸载策略的有效性。结果表明,该策略在提高业务处理可靠性的同时,也大幅度降低了故障情况下业务响应时延,与仅重传策略的延迟性能相比,该策略延迟性能提高了6.4%。综上,该研究可对电力物联网的发展提供一定的参考和借鉴。     

移动边缘计算中依赖型任务的调度模型研究

当前移动边缘计算(mobile edge computing, MEC)环境中关于任务调度的工作经常忽略任务间的依赖关系,导致其完成 时延较长。 针对此问题,首先,以降低系统完成时延为目标,在考虑到跨服务器协作的多用户、多边缘服务器场景下,利用广度 优先搜索算法(breadth first search, BFS)构建一种依赖型任务的调度模型。 然后,根据任务和边缘服务器之间的交互,将模型 中各调度层的联合卸载和迁移问题建模为一个多领导者多跟随者的 Stackelberg 博弈。 最后,为实现 Stackelberg 博弈均衡,提出 基于 Q 值的卸载算法和分布式迭代迁移算法求解模型。 仿真结果表明,与基线算法相比,所提算法在不同规模的用户和边缘 服务器的场景下,将系统完成时延分别降低了 44. 1%和 63. 2%。 进一步实验表明,与传统方案相比,所提模型在不同规模的用 户和边缘服务器的场景下使系统完成时延分别降低了 20. 1%和 6. 7%,有效保证了服务质量。     

基于无线携能传输和多级边缘卸载的空地协作巡检算法

变电站采用智能机器人和无人机可实现高效、自动设备巡检。地面机器人在地上和室内近距离巡检方面具有优势;无人机更加灵活,巡检范围和效率更大,但是易受供能等限制。为了充分发挥空地联合巡检的优势,文章提出一种基于无线携能传输和多级边缘卸载的地面机器人和无人机协作巡检算法。首先针对典型变电站场景,给出各级设备在本地计算和卸载时的能耗、速率和时延计算方法,并建立无线携能传输和无人机中继条件下的多级任务卸载模型。接着兼顾时延和能耗要求,将最优化巡检问题描述为马尔科夫决策过程,提出一种基于Q-Learning的最佳任务卸载算法。仿真对比验证了论文算法的有效性与可靠性,通过灵活的卸载算法可实现系统综合性能最大化。     

基于边缘计算的智慧能源网关

作为构建泛在电力物联网的核心部件,智慧能源网关实现了信息流和能量流的融合,承担电力信息和数据网络的互联、调度和控制,同时可推动电力系统各环节终端随需接入、即插即用,实现电网和终端状态的“泛在感知”和“智能控制”。结合智慧能源网关联动控制、策略控制、数据预处理等需求,在靠近数据源头的网络边缘侧提供一个开放、智能的平台,实现本地智能化自动化联动控制、本地高速采样就地分析结果上报,减少网络上传带宽与流量成本,保障低时延高可靠业务。     

基于边缘计算的电力末端融合系统的优化

为了解决在电力营销末端融合中产生的问题,研究了一种基于边缘计算的系统优化方案。该优化方案利用边缘计算在网络资源的优化调度与管理上的优势,对原有的系统模式融入计算、减压、应用核心等内容,以及在网络的拓扑结构和计算分析机制上进行改进,以期提高边缘设备数据传输效率、数据的迁移与存储功能,并将故障局部化,提高冗错能力。该方案能够满足目前电力系统融合过程中数据实时传输、冗错能力等方面的要求。     

基于边缘计算的伺服电机故障诊断系统开发

介绍了一种基于边缘化计算的伺服电机故障诊断系统,以GD32F103C8T6微控制器为控制核心,集成电源模块、串口通信模块、RS 232通信模块、LED灯模块、显示模块、存储模块等。通过RS-232通信模块接收伺服电机的运行数据,利用GD32进行故障诊断和可靠度计算,通过LED灯和显示模块进行诊断结果可视化,同时系统还搭载E2PROM芯片用于存储诊断结果,最后利用串口通信模块将诊断结果发送到上位机中。     

面向电力物联网的5G移动边缘计算任务卸载方法

由于传统云计算范式已无法满足电力物联网日益增长的计算需求,文章引入5G移动边缘计算用于实现计算任务的就近处理,并将长期能耗约束与业务优先级考虑在内,将其中的任务卸载问题建模为长期时延优化问题.进一步利用Lyapunov优化将之转化为一系列短期的确定性优化问题,并对其理论上界加以分析,利用基于梯度价格的拍卖算法,可实现通...     

基于边缘计算技术的电费实时计算体系研究

在电力营销业务中,电费是业务开展的核心,由于数据实时性要求不断提高,而电费计算业务的云端主站服务压力却因数据量增加而日益加重,系统提供电费数据的时效性普遍较低.为了解决这一问题,研究了基于边缘计算技术的电费实时计算体系.选用了技术更加成熟的EdgeX Foundry框架作为边缘计算网关;资源占用率低、使用轻便的MQTT...     

基于负载再分配的边缘计算任务均衡调度策略

目前5G异构网络的计算卸载机制在边缘节点资源方面和电力业务调度算法时延与负载均衡方面存在问题。综合考虑边缘服务器负载均衡和业务计算时延,针对min-min算法与max-min算法的不足,文中提出了基于电力业务优先级二次再分配的均衡调度算法。该算法根据业务的最大容忍时延划分业务的优先级,并且根据最小完成时间标准差确定长短业务比例,实现业务的预分配。基于各个边缘服务器的负载情况,该算法再将高负载边缘服务器上的业务分配给负载低的服务器,实现二次再分配。仿真结果表明,与典型的算法相比较,所提算法缓解了现有技术中存在的以上问题,降低了计算时延,实现负载均衡,提高了系统资源利用率。     

基于计算卸载的电力物联网能效优化研究

基于异构网络架构,考虑基于三层计算的电力物联网移动边缘计算架构,构建了各层计算的能量消耗模型和延迟模型,实现智能移动设备的任务从本地计算卸载到小基站的边缘服务器和宏基站边缘云服务器进行计算.针对电力物联网计算卸载的能耗最小化问题,采用变量替换分解问题,并利用目标函数单调性进行理论推导,得到优化的参数解.仿真结果表明,通...     

基于边缘计算的智能电能表能耗与寿命优化方法

针对智能电能表在大规模使用后出现的寿命异常缩短,能耗异常增高问题。提出了一种基于边缘计算的智能电能表能耗与寿命优化方案。使用边缘服务器接收和上传智能电能表数据,在边缘端通过卷积神经网络(CNN)提取能耗与寿命的影响因子,采用K-means聚类算法预测用电量变化从而得到能耗与寿命优化模型。仿真结果表明,在基于边缘计算的能耗与寿命优化环境中,优化的1000个智能电能表的使用寿命提高了30%,总能耗降低了26%。为智能电能表长期稳定工作提供了一种研究方法。     

基于边缘计算的泛在电力物联网群组密钥管理算法研究

随着泛在电力物联网的快速发展,网络传输的可信任性与安全性开始成为其在关键领域中应用的基本前提。然而大多数现有的方案不适用于泛在电力物联网环境。文中在分布式密钥管理与边缘计算的框架下,提出了一种群组密钥加密算法。这种算法通过使用基于相同主题的节点群组构建算法构建分组,并且通过使用基于群组密钥管理的密钥分配算法等算法,减少了随着分组内节点增减而产生的重新派生新密钥以及节点之间传递密钥所需的系统开销,密钥生成节点无需和所有物联网节点建立通信链路。文中还对方案的性能指标进行了评价,证明了文中提出的密钥管理算法可提高设备性能,降低功耗,适用于泛在电力物联网的各种环境。     

面向智能电力巡检的高可靠低时延移动边缘计算技术

移动边缘计算为满足巡检机器人爆发式增长的通信和计算需求提供了一种有前景的架构,巡检机器人可将采集的高清视频传输到临近的边缘服务器进行数据处理和设备状态研判。然而,全局信息缺失、电池容量受限、高可靠低时延通信约束等对任务卸载优化提出了挑战。考虑对任务卸载而言至关重要的信道选择问题。基于强化学习和李雅普诺夫优化,提出了一种联合能量感知、高可靠低时延通信感知和任务优先级感知的信道选择算法。该算法在全局信息未知的情况下,动态优化信道选择策略,在最大程度满足长期能耗与高可靠低时延通信约束的同时实现巡检机器人效用最大化。并利用变电站实测数据得到的信道模型和电磁干扰模型对所提算法进行性能评估,其结果验证了该算法在真实场景中的有效性和可靠性。     

基于边缘计算的配电网故障检测方法

为精准、快速地检测出配电网的发生故障,确保电力稳定供应,提出基于边缘计算的分布式配电网故障检测方法。通过多个故障检测器、云计算中心以及终端设备构建边缘计算模型,基于边缘侧结合多维S变换融合算法与相模变换矩阵法,提取分布式配电网相关故障特征,根据特征提取结果,设定边缘计算模型的各个检测装置-支路关联矩阵及其元素取值条件,经获取、修正故障信息后,构建故障信息矩阵,根据此矩阵元素取值,对线路区段上的故障作出判定。实验结果证明,基于边缘计算的分布式配电网故障检测方法能够有效检测出不同种类的故障,且响应时间均低于0.005s,检测精度超过95%,满足实际应用需求。     

基于边缘AI计算架构的风力发电机组传动链故障预警算法

风力发电机组运行过程中出现故障的样本相对较少,而正常运行的样本数量通常较多,导致训练模型时样本分布不平衡。为此,提出了基于边缘AI计算架构的风力发电机组传动链故障预警算法。归一化处理样本数据,基于卷积神经网络,提取原始输入数据的关键特征;采用支持向量机算法完成故障预警机制的建立,引入非线性核函数实行最优计算,实现故障预警数据属性分类;基于边缘AI计算架构,根据风力发电机组传动链数据特点,实现风力发电机组传动链故障预警。实验结果表明,所提方法可以预警出齿轮箱、主轴承出现的故障,主动预警准确率高于80%,故障预警曲线与实际曲线拟合度更高,故障预警效果较好。     

边缘计算网关的功能设计与系统实现

边缘计算网关是配电物联网解决方案中的重要设备,可将传统配电终端接入物联网云平台并实施配合云端服务的边缘计算.文章介绍了边缘计算网关的一种功能设计和系统实现方案.功能设计方面,围绕公网通信需求,介绍了网关的北向通信协议设计,包括物联网数据传输策略设计、通信可选项设计、基于MQTT协议的通信报文设计;围绕边缘计算需求,介绍...